第1節 EIQ分析說明

第7章 Tera計算參考
在1980年代，我在一家第三方物流公司工作時，服裝製造中使用的「分發圖」與EIQ圖表非常相似。
「分發」指的是一位母親從櫥櫃裡拿出一袋糖果，然後分別分發給她的三個孩子。這是一項由來已久的日常活動，即使在物流業之外也是如此。
大約在同一時期，我記得在一本物流雜誌上讀到一篇文章，一位軟體開發人員介紹了分發圖及其工作方法。我認為物流中EIQ分析的起源就在於批量揀貨過程中所創造的分發圖。
當我第一次看到EIQ圖表時，我問鈴木真教授：「這是分發圖嗎？」他回答：「是的，這張圖蘊含著深刻的意義。」當時，我問他是否可以開發一款能夠產生圖表的EIQ軟體，並且得到了他的指導。我至今仍清楚記得拜訪他家的日子。
我已將這段時間學到的知識融入我的軟體開發中。
觀察結果：

雖然沒有公佈具體細節，但他們暗示了一種名為「SEIQ」的方法，該方法將產品維度添加到EIQ分析中。 Tera計算正是基於這種「SEIQ」方法。 Tera計算包含了箱數轉換、PL轉換、體積轉換和重量轉換。

第3項 建立 EIQ 矩陣表
EIQ矩陣表是透過將EIQ表劃分為25個區塊（5個物料區塊 x 5個出貨目的地區塊）並彙總資料而創建的。
根據經驗，我們認為這個區塊數量便於在系統設計中分配設備。
該表可以根據需要將數值轉換為箱數、PL或體積。
表格也與傳統計算方法並列顯示，請結合傳統計算方法進行研究。

EIQ矩陣表


表格顯示，C-E_A1 區塊共出貨 1,099 筆記錄（行），包含 132 個物料。其中 488 行出貨至 C-E_A1 區塊的前 21 個目的地。
另有 185 行出貨至 C-E_A2 區塊，因此 C-E_A1 區塊共包含 1,009 行（300 個目的地）。

說明
EIQ 矩陣表已在 Tera 中設置，總容量為 100%（如下表所示），每個區塊均分配有物料容量的排名百分比 (%)。
有關排名鍵的更多信息，請參閱“第 2 章：Tera 計算 0：發貨數據處理”。



在處理 Tera 計算資料時，可以透過變更 Tera 設定來調整各資料區塊的比例。
排名是透過分析和匯總所有發貨數據來實現的。使用指定出貨日期提取 EIQ 矩陣進行匯總可能會導致比例出現一些偏差。


第2項 建立EIQ散佈圖
EIQ散點圖是一種表格，其中EIQ表格中的每個方格（單元格）都以一個點表示，所有運輸資料都顯示在同一螢幕上。

EIQ散點圖


該表格是一個散點圖，其中已發貨的單元格以點表示，從而整體展示EIQ表格。
遺憾的是，雖然可以看出整體趨勢，但無法確定具體數量。



第１項 建立 EIQ 表

EIQ表格建立螢幕


該表格顯示了 2022 年 5 月 9 日的發貨數據，並根據所有發貨數據，按發貨數量從多到少排序。
發貨目的地 1 和 2 尚未發貨，因此留空。捲動頁面即可查看全部 438 個出貨目的地的資料。
共有 1,984 個商品，考慮到顯示範圍和電腦負載導致的處理速度，資料被分成 66 頁顯示。
表格為 430 行 x 1,984 列，目前肉眼難以閱讀。

說明：
上表中，出貨目的地 1 和 2 留空。這意味著尚未向排名前 1 和 2 的發貨目的地發貨。或許排名較低的出貨目的地有緊急出貨需求，但並未在這些日期出貨。
這種有意安排出貨日期的做法在許多配送中心都很常見。